据麦姆斯咨询报道，近日，印度尼西亚加查马达大学（Universitas Gadjah Mada）的研究人员及Trisna Julian等人组成的研究团队，开发了一款低成本、非侵入、可快速“嗅出”新冠肺炎（COVID-19）的便携式电子鼻（GeNose C19），该电子鼻集成了金属氧化物半导体气体传感器阵列、优化的特征提取方法和机器学习模型。
2019年底，中国湖北省武汉市出现了新型冠状病毒（SARS-CoV-2）引发的新冠肺炎（COVID-19），随后全球200多个国家和地区相继爆发新冠疫情，并不断升级。COVID-19大流行严重威胁老年群体和免疫功能低下人群的生命。自疫情爆发以来，逆转录-定量聚合酶链反应（RT-qPCR）方法一直被用于COVID-19常规性检测及诊断。
发达国家的医疗资源丰富，大规模RT-qPCR检测已成为其筛查和流行病学控制的一种普遍手段。然而，对于发展中国家，尤其是中低收入国家来说，这些检测太奢侈了。但是，阻止大流行蔓延意味着要确保全球所有国家在有选择地进行隔离和控制的前提下，都有能力继续进行大规模和快速的筛查。
为了克服RT-qPCR作为筛查工具的局限性，一些临床医生和研究人员尝试结合使用临床体征和症状、实验室检测、影像学测量（例如胸部计算机断层扫描）和多变量临床预测模型，包括电子鼻，以及RT-qPCR来验证临床诊断结果。
在该项研究中，研究人员通过集成金属氧化物半导体气体传感器阵列、机器学习分析和呼吸采样设置，开发了一种便携式呼吸分析仪——电子鼻，称为“GeNose C19”（如下图所示）。该定制系统被用于对印度尼西亚两家医院中两组不同受试者（即RT-qPCR确诊的COVID-19阳性患者组和阴性受试者组）的临床测试进行分析，以研究其区分这两个不同受试组呼吸模式的潜力。研究人员检查了四种不同的机器学习算法，以确定所开发设备的最高可能精度。
利用集成人工智能（AI）的便携式电子鼻GeNose C19快速、非侵入检测COVID-19
用于COVID-19检测的电子鼻GeNose C19
集成到电子鼻GeNose C19中用于“嗅出”COVID-19的电子和机械组件分为两个主要部分（即传感和呼吸采样单元），如下图a、b所示。前者由密封在微型化腔室中的化学电阻传感器阵列、微型泵、三通电磁阀、电源和数据采集系统组成。它们都被放置在一个3D打印的外壳中。后者包括一个高效空气过滤器（HEPA）和一个由医用级聚氯乙烯制成的一次性空气采样袋。这两部分均单独设计，然后通过外径为4mm的柔性医用级聚四氟乙烯（PTFE）管连接，以便在气体传感过程中保持气流通畅（下图c）。该装置中，高效空气过滤器连接在储液袋和GeNose C19入口之间，滤出含新冠肺炎病毒的飞沫。此外，它还具有吸水元件，以消除对气体传感器干扰最大的水分子（图d）。因此，只有目标挥发性有机化合物（VOCs）会进入传感室，因为病毒会被含有纤维垫的过滤器捕获（图e、f），并且防止其污染GeNose C19机器中整个空气轨迹。
GeNose C19系统及其组件
呼吸气体的传感器特性
当没有呼吸通过管道进入测试室时，首先测量传感器基线值（即对应环境条件的传感器信号）。然后将它们作为对含挥发性有机化合物呼吸的输出响应信号的参考基数。气体分子与化学电阻传感器的活性层表面相互作用后，由于电阻降低，它们的输出电压增加。所有传感器在40s内同时进行传感测量，以达到其饱和阶段。通常，对于金属氧化物半导体气体传感器来说，由于活性材料（例如N型二氧化锡）和气体分子之间的氧化还原反应，其电导率将在目标气体存在时发生变化。基于表面化学吸附氧反应的平衡位移对挥发性有机化合物的详细传感机制已在其它研究中进行了描述。本研究中，材料表面的耗尽区由目标挥发性有机化合物控制，导致自由电荷载流子（即在N型二氧化锡活性层的自由电子）从金属氧化物半导体到氧的移动发生变化，反之亦然。
GeNose C19在COVID-19分析测试中的性能
GeNose C19被用于两家医院（即斯莱曼的Bhayangkara综合医院（RS Bhayangkara）和班图尔的Bambanglipuro COVID-19特殊野战医院（RSLKC Bantul））的COVID-19分析测试，以研究其对检测COVID-19的效力和功能。本次研究招募了83名受试者，其中确诊为COVID-19阳性（病例组）的受试者43名，检测为COVID-19阴性（对照组）的受试者40名（下图）。其中，病例组因病情恶化排除了2名受试者，这两名受试者被转诊至高水平的医疗机构。
通过机器学习进行测量的呼吸数据分析
本次研究方法在分析测试中进行了评估，共涉及615个呼吸样本，其中333个阳性样本和282个阴性样本。样本分别来自43名COVID-19阳性患者和40名阴性受试者，并在印度尼西亚日惹特区的两家医院进行了RT-qPCR确认。研究者利用四种不同的机器学习算法（即线性判别分析、支持向量机、堆叠多层感知器和深度神经网络）识别出性能最好的模式识别方法，并从测试数据集获得较高的系统检测精度（88%~95%）、灵敏度（86%~94%）和特异性（88%~95%）水平。本次研究结果表明，电子鼻GeNose C19可以作为一种非常有潜力的COVID-19快速筛查测试仪。
论文链接：
https://www.nature.com/articles/s41746-022-00661-2
